Post-doctorat - modélisation par des approches couplées éléments finis – machine learning - h/f

Description de l'offre

Une approche par machine learning pour formuler ces modèles de substitution est actuellement étudiée pour évaluer son efficacité notamment dans sa capacité à prédire et extrapoler des propriétés pour des architectures nouvelles. Les réseaux DMN (deep material network) se différencient des approches de machine learning classiques en introduisant des paramètres entrainables définis physiquement, permettant d'interpréter plus facilement pour l'utilisateur les liens entre la géométrie de la microstructure étudiée et les paramètres du réseau plutôt que d'être de purs paramètres statistiques à optimiser. Ces modèles ont émergé comme des solutions prometteuses pour les problèmes nécessitant des modélisations multi-échelles tant dans leur fiabilité à prédire un comportement mécanique entre différentes échelles que dans leur interprétabilité.
Précédemment, une première implémentation d'une loi de comportement permettant d'injecter à chaque nœud d'une simulation éléments finis l'appel à un réseau de neurones type DMN a été réalisée.

Le(la) post-doctorant(e) sera alors en charge de deux objectifs :
* premièrement, de développer des approches avec notamment l'ajout de comportements micropolaires ou de réseaux variationnels qui sont les tout derniers développements disponibles des DMN.
* deuxièmement, de construire des outils permettant de générer, prédire et optimiser des microstructures permettant d'atteindre des propriétés cibles. Ce deuxième volet pourra être en parallèle vérifié expérimentalement par la fabrication des microstructures optimisées ainsi que leur caractérisation mécanique.
* Si l'avancée des travaux le permet, des explorations sur les problématiques de modélisations multiphysiques (notamment thermique-thermomécanique) rencontrées au laboratoire pourront également être abordées.

Le(la) post-doctorant(e) évoluera dans une unité spécialisée dans les essais instrumentés menés en lien étroit avec la modélisation et la simulation, notamment appliquée aux matériaux composites multi échelle.


Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l’inclusion des travailleurs handicapés.
Participant à la protection nationale, une enquête administrative est réalisée pour tous les collaborateurs du CEA afin d'assurer l'intégrité et la sécurité de la nation.

Profil du candidat

Mécanique du solide, Modélisation, Eléments finis, notions de machine learning
Python, C/C++
Post-doctorat